Donderdag 26 juni vond de vierde Deep Dive van MvR DW plaats in Amsterdam. Professionals kwamen bij elkaar om dieper in te gaan op de nieuwste ontwikkelingen op het gebied van robotisering en kunstmatige intelligentie.
De middag werd afgetrapt door CEO Frank Mester, die reflecteerde op de meeste relevante veranderingen van de laatste tijd. Vier jaar geleden hadden we niet kunnen denken dat AI, en dan met name de generatieve AI, zo’n vlucht zou nemen. Door de toepassingen voor persoonlijk gebruik, denk hierbij aan tools zoals Chat GPT, staat het nu in het middelpunt van de belangstelling. Tegelijkertijd zorgen de geopolitieke ontwikkelingen ervoor dat er meer vraag is naar Europese technologie en zien we een beweging vanuit de publieke cloud terug naar de private cloud of on-premise.
De komende jaren zal AI een steeds grotere rol spelen in het bedrijfsleven. Veel organisaties zijn inmiddels bekend met RPA (Robotic Process Automation), waarmee op regels gebaseerde processen geautomatiseerd worden. Een belangrijk hulpmiddel daarbij is document understanding: het automatisch extraheren van relevante informatie uit diverse soorten documenten. En de opkomst van Agentic AI (zelflerende AI-agenten die zelfstandig kunnen handelen) maakt mogelijk om ook niet-regelgebaseerde, meer dynamische tussenprocessen te automatiseren
Intelligent automation is dus niet meer weg te denken in een gezonde bedrijfsstrategie, zoals ook werd bevestigd in de bijdragen van de vijf sprekers. De rol van MvR Digital Workforce is om organisaties te ondersteunen bij het vormgeven van een toekomstbestendige, op maat gemaakte automation journey.
Verantwoorde AI-oplossingen
Jeroen Backx vertelde in zijn presentatie over verantwoorde AI-oplossingen, met als doel de aanwezigen te inspireren om deze oplossingen zelf te verkennen. De uitdaging daarbij is soms het bijhouden van de ontwikkelingen, die namelijk razendsnel gaan. Zo bleek dat digitaliseren van pdf-documenten met behulp van OCR gigantische stappen heeft gemaakt: het is voor de applicaties inmiddels geen probleem meer om handgeschreven tekst of andere schriftsoorten (denk hierbij aan talen met andere karakters zoals Chinees, Arabisch, Hebreeuws of Japans) te herkennen en daarmee te werken.
De mogelijkheden zijn eindeloos, van het beantwoorden van klantvragen, het verwerken van rapporten, contracten of facturen tot het herkennen van objecten op afbeeldingen. De toepassingen kunnen gebruikt worden in de cloud, maar ook on-premise als dat nodig is in verband met privacy en security. Maar ook hybride oplossingen zijn mogelijk. En de toepassingen kunnen ook op bestaande infrastructuur draaien.
Het opzetten van een flow kan verrassend snel gaan, vaak al binnen enkele uren. Wel is het belangrijk dat er een veilige en schaalbare AI-infrastructuur aanwezig is, en dat er is gekozen voor de juiste tooling. De daadwerkelijke implementatie van een flow kan in veel gevallen binnen enkele weken worden gerealiseerd. Het uitlezen van documenten met behulp van OCR is extra belangrijk bij Agentic Process Automation (APA), APA is in staat om ongestructureerde data snel en accuraat te verwerken.
Essentieel bij dit alles is om het verandermanagement niet te vergeten. Zeer belangrijk advies van Jeroen Backs was om de medewerkers mee te nemen in de ontwikkelingen. een paar uur.
De regels voor Document Understanding
Document Understanding (DU) zet zowel gestructureerde als ongestructureerde documenten om in verwerkbare data voor RPA en/of AI-agenten, met behulp van AI en OCR-technologie. DU maakt daarbij gebruik van reinforcement learning om zichzelf te verbeteren, een techniek die ook wordt toegepast in zelfrijdende auto’s. Hoe werkt dat nu? Document Understanding (DU) zet zowel gestructureerde als ongestructureerde documenten om in verwerkbare data voor RPA en/of AI-agenten, met behulp van AI en OCR-technologie
Nick Wesseling adviseert in zijn bijdrage om eerst te bepalen welke gegevens je uit de documenten wilt halen. Daarna worden de documenten gedigitaliseerd met behulp van DU. De documenten worden geclassificeerd: op basis van de inhoud worden de documenten ingedeeld in categorieën. Dan worden de benodigde gegevens geëxtraheerd. De gebruiker controleert of de uitkomsten kloppen; eventueel kan hij dit ook door het systeem zelf laten doen. Nu zijn de gegevens klaar om in andere toepassingen gebruikt te worden.
Stel je wilt je facturenstroom automatiseren. Gebruik dan een model dat al is voorgetraind voor facturen, dat scheelt veel tijd. Bij de 1e iteratie is 90% succesvol, na een maand training is dat al 99%. Alleen die laatste 1% moet dan nog door de medewerkers handmatig verwerkt worden. Hoe groot de zekerheid van de afhandeling moet zijn, kun je zelf instellen. Bijvoorbeeld, als het systeem 1% (of 5% of 10%) twijfel heeft, moet de afhandeling door een mens gebeuren.
Behalve voor de facturen zijn er nog diverse andere toepassingen denkbaar.
Hoe begin je nu met DU? Volgens Paul Bloedjes is het belangrijk om eerst het doel te bepalen. Wil je de facturenstroom automatiseren of klantvragen laten afhandelen? Het doel bepaalt welke documenten je gaat gebruiken. Dat kan ook een klein deel zijn, bijvoorbeeld eerst alle facturen van een paar grote leveranciers.
Nadat je de tools en infrastructuur hebt gekozen, kan het programma getraind worden met data. Belangrijk bij dit alles is om ook de gebruikers mee te nemen in het veranderproces. Wanneer het proces is geïmplementeerd kan het verder verbeterd worden door te trainen met de uitvaldocumenten. Voor de training van het systeem volstaat in veel gevallen al een beperkt aantal documenten, soms slechts 30, afhankelijk van de complexiteit van het doel.
Agents think, Robots do, Humans lead
Dion Mes van UiPath nam ons mee voorbij de AI-hype. Met AI agents zetten we de volgende stap in automatisering. Waar RPA-robots gestructureerde data nodig hebben om hun taak uit te voeren, kun je een AI-agent, via natuurlijke taal, een doel geven. De agent zal dan zelf op zoek gaan naar de data.
Met alleen RPA waren veel usecases nog te complex om te automatiseren, maar met Agentic AI (AAI) kan het wel. AAI is namelijk creatief, waar RPA op strikte regels is gebaseerd. Je kunt met context grounding een agent specifiek maken voor jouw omgeving; je vertelt de agent dan in welke context de opdracht uitgevoerd wordt.
Dion gaf als voorbeeld het maken van een AI agent voor facturen. Via Autopilot schreef hij hiervoor een prompt die Autopilot omzette in twee prompts: een system prompt, die beschrijft wat het doel is en een user prompt die beschrijft wat er precies moet gebeuren. Er zijn direct al een paar tools voorgeselecteerd die nodig zijn bij de uitvoering. Zo kun je heel snel aan de slag.
Er waren verschillende vragen vanuit het publiek. Bijvoorbeeld of het een keus wordt tussen APA of RPA. Maar nee, de agent en de robot vullen elkaar aan, dus voorlopig is het nog én-én.
Je kunt eindeloos usecases bedenken, waar begin je dan? Het advies is om te beginnen met een controleerbare case of een automation die eerder te complex was voor RPA alleen. En hoe snel kun je beginnen? Een opzet maken kan heel snel, voor simpele zaken al binnen een week.
Intelligent Orchestration, de ondersteuning van de toekomst
Intelligent Orchestration (IO) gaat over de regie die je voert over het gebruik van verschillende tools en licenties. Zo houdt de organisatie grip op de gekozen tools, bespaart ze aanzienlijk op licentie- en beheerkosten, en voldoet ze aan de eisen vanuit governance
IO stelt je in staat om een proces te monitoren, ook als dat gefragmenteerd wordt uitgevoerd. Het is een losse webapplicatie die je verbindt met verschillende applicaties. Daardoor krijg je inzicht in de processen en kun je dingen verbeteren. IO kijkt als het ware mee met je processen.
De orkestratiefunctie van IO maakt het mogelijk om de controle te houden over de verschillende processen en hun onderlinge samenhang. Het regelt de prioritering ervan en de waarborging van de SLA’s. Zo kan IO bijvoorbeeld, op basis van de SLA, besluiten wanneer een proces opstart, maar het kan ook processen stoppen ten gunste van urgentere processen. Ook hier kun je laagdrempelig starten en daarna doorgroeien. MvR DW kan in dit proces veel betekenen voor zijn klanten. Het begint met het in kaart brengen van de wensen. Daarna worden de processen en usecases uitgewerkt. Ten slotte helpt MvR DW bij het vergelijken van oplossingen en het maken van de juiste licentiekeuze. Op deze manier ondersteunen wij organisaties bij het vinden van de oplossing die het beste bij hen past.
Samenvattend kunnen we concluderen dat elke automation journey de productiviteit van mensen aanzienlijk verhoogt. Het stelt ons in staat efficiënter te werken en slimmer om te gaan met onze tijd en middelen. Automation is daarmee een onmisbare motor voor toekomstgerichte organisaties.
Hierbij ook een sfeerimpressie van deze middag.
